The support vector machine (SVM) is

The support vector machine (SVM) is the best theory applied to
small sample classification and regression problems. It is based on the
structural risk minimization principle [15], and the decision rules are
obtained by a small number of training samples that are suitable for
the independent test set, can improve the generalization ability of the
learning machine, and can effectively solve the over-fitting problems.
In conclusion, SVM would become an alternative method to the
perceptron or neural network.

ผลลัพธ์ (ไทย) 1:

เครื่องสนับสนุนเวกเตอร์ (SVM) เป็นทฤษฎีที่ดีที่สุดที่ใช้กับปัญหาการจัดประเภทและการถดถอยอย่าง ขึ้นอยู่กับการหลักการลดความเสี่ยงโครงสร้าง [15], และกฎการตัดสินใจได้ โดยตัวอย่างการฝึกอบรมที่เหมาะสมสำหรับจำนวนขนาดเล็กการทดสอบอิสระตั้ง สามารถปรับปรุงความสามารถลักษณะทั่วไปของการเรียนรู้เครื่อง และมีประสิทธิภาพสามารถแก้ปัญหาเหมาะสมมากเกินไปในบทสรุป SVM จะกลายเป็น วิธีการอื่นเพื่อการเพอร์เซปตรอนหรือข่ายประสาท

ผลลัพธ์ (ไทย) 2:

เครื่องเวกเตอร์สนับสนุน (SVM) เป็นทฤษฎีที่ดีที่สุดนำไปใช้กับ
การจัดหมวดหมู่และการถดถอยปัญหากลุ่มตัวอย่างขนาดเล็ก มันอยู่บนพื้นฐานของ
หลักการโครงสร้างการลดความเสี่ยง [15] และกฎการตัดสินใจที่จะ
ได้รับจากการขนาดเล็กจำนวนตัวอย่างการฝึกอบรมที่มีความเหมาะสมสำหรับ
ชุดทดสอบอิสระสามารถปรับปรุงความสามารถทั่วไปของ
เครื่องการเรียนรู้อย่างมีประสิทธิภาพและสามารถแก้ปัญหา มากกว่ากระชับปัญหา.
โดยสรุป SVM จะกลายเป็นวิธีทางเลือกที่จะ
Perceptron หรือโครงข่ายประสาทเทียม

ผลลัพธ์ (ไทย) 3:

สนับสนุนเวกเตอร์เครื่องจักร ( SVM ) คือ ทฤษฎีที่ใช้ดีที่สุดปัญหาการจำแนกตัวอย่างขนาดเล็กและการถดถอย มันขึ้นอยู่กับโครงสร้างหลักการลดความเสี่ยง [ 15 ] และกฎการตัดสินใจเป็นได้ โดยมีตัวอย่างที่เหมาะสมสำหรับการฝึกอบรมชุดทดสอบอิสระ สามารถปรับปรุงการความสามารถของการเรียนรู้ด้วยเครื่องจักร และสามารถแก้ไขปัญหาได้อย่างมีประสิทธิภาพกว่าที่เหมาะสมสรุป SVM จะกลายเป็นวิธีทางเลือกกับธรรมดาหรือประสาทเครือข่าย